最後更新: 2026年10月13日

Qwen Image 2.1 Turbo：是什麼、多少錢、怎麼用

2026 年 10 月 9 日，阿里巴巴通義千問團隊發布 Qwen-Image-2.1-Turbo，這是 9 月 20 日推出的開放權重模型 Qwen-Image-2.1 的加速版檢查點。架構同樣是 7B，生成與編輯圖片只需 8 步去雜訊，而不是 40 步。本頁說明有哪些改變、在哪裡執行、費用多少，以及授權上的限制。

Qwen-Image-2.1-Turbo 規格一覽

來源: Hugging Face 模型卡

來源: Qwen-Image-2.1 GitHub 儲存庫

Turbo、基礎版與 Pro 的差異

Turbo 不是較小的模型，而是同一個 7B 網路經過訓練，用更少步數完成生成，因此每張圖只需要大約五分之一的去雜訊次數。Pro 則是阿里雲上的託管最高級方案。

基礎版的 60.28 分是在 40 步檢查點上測得。在 Qwen 或獨立測試者公布 Turbo 的分數之前，別假設 Turbo 能達到同樣水準。

來源: Hugging Face 模型卡

來源: 阿里雲 Model Studio：qwen-image-2.1-turbo

來源: 阿里雲 Model Studio：qwen-image-2.1-pro

來源: DataNorth：Qwen-Image-2.1 跑分圖表

Qwen Image 2.1 Turbo 價格

阿里雲價格為未計入優惠的牌價。Runware 與 Venice 是第三方託管平台，各有自己的條款。程式碼與各平台細節請見 API 教學。

Qwen Image 2.1 Turbo API 教學

來源: 阿里雲 Model Studio：qwen-image-2.1-turbo

來源: Runware 模型頁

來源: Venice 模型頁

Qwen Image 2.1 Turbo 使用方法

• 在瀏覽器中試用. Hugging Face 上的 Qwen-Image-2.1 線上試用 Space 不需任何設定就能執行這個系列的模型。Venice 也提供此模型，新帳號每天有免費額度。
• ComfyUI. 載入官方 Qwen-Image 2.1 工作流程，換成 Turbo 擴散模型（或基礎模型加上 Turbo LoRA），並設定 8 步、CFG 1。
• Python（Diffusers）. QwenImage21Pipeline 可直接載入檢查點。需要從原始碼安裝 Diffusers，並使用 transformers 5.17 或更新版本。
• 託管 API. 在阿里雲 Model Studio 呼叫 qwen-image-2.1-turbo，或使用 Runware 等第三方平台。

ComfyUI 與本機安裝教學 · API 教學

來源: Qwen-Image-2.1 線上試用 Space

來源: Venice 模型頁

來源: ComfyUI Wiki 發布說明

來源: Hugging Face 模型卡

Python 快速上手

先安裝函式庫，再生成圖片。管線會從檢查點讀取 8 步排程，所以不必傳入步數。

pip install "torch>=2.4.0"
pip install git+https://github.com/huggingface/diffusers.git
pip install "transformers>=5.17.0" accelerate pillow

import torch
from diffusers import QwenImage21Pipeline

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1-Turbo", dtype=torch.bfloat16
).to("cuda")

# The 8-step schedule and CFG 1 are stored in the checkpoint: no steps argument needed.
image = pipe(
    prompt="A minimalist coffee shop poster, the words 'OPEN LATE' in bold serif type, warm evening light",
    width=1696,
    height=2528,
    use_kv_cache=True,
    generator=torch.Generator("cpu").manual_seed(42),
).images[0]
image.save("t2i.png")

單獨設定 num_inference_steps 不會改變排程；只有明確傳入 sigmas 參數才會覆寫，而且 Qwen 表示其他排程未經測試。

來源: Hugging Face 模型卡

圖片編輯與多張參考圖

同一個管線也能編輯圖片：傳入 image= 並搭配指令式提示詞。傳入清單即可結合最多 10 張參考圖。

import torch
from diffusers import QwenImage21Pipeline
from diffusers.utils import load_image

pipe = QwenImage21Pipeline.from_pretrained(
    "Qwen/Qwen-Image-2.1-Turbo", dtype=torch.bfloat16
).to("cuda")

sketch = load_image("sketch.png").convert("RGBA")
image = pipe(
    prompt="Turn this sketch into a photorealistic yacht on the open sea at golden hour",
    image=sketch,  # pass a list for multi-reference editing (up to 10 images)
    width=2048,
    height=2048,
    use_kv_cache=True,
    generator=torch.Generator("cpu").manual_seed(20261009),
).images[0]
image.save("edit.png")

來源: Hugging Face 模型卡

來源: Qwen-Image-2.1 GitHub 儲存庫

建議解析度

生成透明 PNG 時，Qwen 建議在提示詞中註明圖片具有透明度、背景透明。

來源: Hugging Face 模型卡

來源: Qwen-Image-2.1 GitHub 儲存庫

跑分：Qwen 公布了什麼、沒公布什麼

Qwen 只為 2.1 系列發布了一張圖表，使用的是自家未公開的 Qwen-Image-Bench。所有分數都來自 40 步基礎版。

• Qwen 沒有公布 Turbo 的分數、延遲或吞吐量數據。
• Qwen 沒有提供這張圖表的分項分數或測試方法。
• Runware 標示在其託管環境下每次請求約 23 秒；這包含排隊時間，並非 GPU 跑分。

來源: DataNorth：Qwen-Image-2.1 跑分圖表

來源: Runware 模型頁

可以商用嗎？

開放權重採用 Qwen Research License Agreement，與基礎版相同。研究與個人實驗沒問題；若要在自己的伺服器上用於商業營運，需要與阿里巴巴另簽協議。透過阿里雲 Model Studio 或付費第三方平台產生的圖片，則適用該服務本身的條款，上線前請先詳讀。

來源: Hugging Face 模型卡

來源: Qwen-Image-2.1 GitHub 儲存庫

獨立教學網站，與阿里巴巴及通義千問（Qwen）團隊無關。價格、授權條款與檔名可能變動，正式使用前請以連結的官方頁面為準。